Stanza:一种用于非平稳时间序列概率推断的非线性状态空间模型
机器学习
2020-06-12 v1 机器学习
摘要
具有长期结构的时间序列出现在多种情境中,捕捉此种时间结构是时间序列分析在推断与预测场景中的关键挑战。传统上,状态空间模型已成功提供潜空间轨迹的不确定性估计。近来,基于深度学习和注意力的方法在序列建模上达到了最先进性能,尽管往往需大量数据与参数才能做到。我们提出 Stanza,一种非线性、非平稳状态空间模型,作为传统模型与现代深度学习方法来处理复杂时间序列之间的中间方案。Stanza 在具有高度结构化的时间序列上,于具竞争力的预测精度与概率性、可解释的推断之间取得平衡。特别地,Stanza 在真实世界数据集上取得了与深度 LSTM 竞争的检测精度,尤其在多步超前预测方面。
引用
@article{arxiv.2006.06553,
title = {Stanza: A Nonlinear State Space Model for Probabilistic Inference in Non-Stationary Time Series},
author = {Anna K. Yanchenko and Sayan Mukherjee},
journal= {arXiv preprint arXiv:2006.06553},
year = {2020}
}